카톡 답장 속도와 호감도의 통계학
상관분석
인과추론
행동통계
답장이 늦으면 관심이 없는 걸까? 국내 9만 명의 카카오톡 대화를 분석한 실제 데이터로, 답장 시간과 호감도 사이의 상관관계를 통계적으로 들여다봅니다.
우리는 왜 읽씹에 예민한가
카카오톡 메시지를 보낸 뒤 상대방의 답장을 기다린 경험은 누구에게나 있다. 1분이 지나고, 10분이 지나고, 1시간이 넘어가면 우리는 자연스럽게 추론하기 시작한다.
“관심이 없는 건가?”
수업 시간에 이 주제를 꺼내면 강의실 분위기가 순식간에 살아난다. 다들 할 말이 많다. 그런데 이 추론, 얼마나 통계적으로 타당할까? 답장 시간과 호감도 사이에는 정말 상관관계가 있을까?
국내 스타트업 스캐터랩이 자사 앱 ’텍스트앳’을 통해 10~30대 남녀 약 9만 명의 카카오톡 대화를 분석한 적이 있다. 결과는 흥미롭다. 관심 있는 상대에게는 여성 평균 10분, 남성 평균 9분 만에 답장했지만, 관심 없는 상대에게는 여성 33분, 남성은 무려 44분이 걸렸다. 호감 여부에 따라 답장 시간이 3~5배 차이 난 것이다.
상관관계란 무엇인가
두 변수 사이의 선형적 관계를 숫자로 나타낸 것이 피어슨 상관계수(r) 다. -1에서 1 사이의 값을 가지며, 절댓값이 클수록 관계가 강하다.
상관계수 해석 기준
| r 값 | 해석 |
|---|---|
| 0.7 이상 | 강한 양의 상관 |
| 0.4 ~ 0.7 | 중간 양의 상관 |
| 0.1 ~ 0.4 | 약한 양의 상관 |
| 0 근처 | 상관 없음 |
| 음수 | 음의 상관 (한쪽이 커질수록 다른 쪽은 작아짐) |
앞서 본 스캐터랩의 집계치(9분/10분 vs 33분/44분)는 평균끼리의 비교다. 평균은 이렇게 뚜렷한 차이를 보여주지만, 개개인의 실제 답장 시간과 호감도를 흩뿌림 그림으로 그려보면 이야기가 조금 달라진다. 아래 그래프는 그 개인차를 보여주기 위해 만든 가상의 예시다.
점들이 만드는 완만한 하향 추세가 상관계수 −0.35 정도다. 그런데 그래프를 보면 답장이 5분 걸린 사람 중에도 호감도가 낮은 점이 있고, 60분 걸린 사람 중에도 호감도가 높은 점이 있다. 집단 전체의 추세와 개인 한 명의 사례는 전혀 다른 이야기라는 뜻이다.
그런데 여기서 멈추면 안 된다. 통계에서 가장 위험한 실수가 바로 이 지점에서 시작되기 때문이다.
상관관계는 인과관계가 아니다
“답장이 늦다 → 관심이 없다”는 인과 추론은 통계적으로 섣부르다.
상관관계와 인과관계의 차이
상관관계: X가 변할 때 Y도 함께 변하는 경향이 있다.
인과관계: X가 변하기 때문에 Y가 변한다.
아이스크림 판매량과 익사 사고는 강한 양의 상관을 보인다. 하지만 아이스크림이 익사를 일으키는 것이 아니라, 여름(교란변수) 이 두 변수 모두에 영향을 미치는 것이다.
카톡 답장도 구조는 같다. “답장 지연 → 호감 없음”이라는 화살표를 그리기 전에, 바쁨·습관·대화 맥락 같은 숨은 요인이 양쪽에 동시에 영향을 주고 있지는 않은지부터 물어야 한다.
답장 시간에 영향을 미치는 교란변수는 생각보다 훨씬 많다.
| 교란변수 | 답장이 늦어지는 이유 |
|---|---|
| 업무·수업 중 | 바빠서, 호감과 무관 |
| 스마트폰 사용 습관 | 알림을 꺼두는 성격 |
| 대화 맥락 | 딱히 답할 말이 없는 메시지 |
| 피로도 | 저녁에 메시지를 보면 자는 중 |
| 의도적 전략 | 역설적으로 호감이 있어서 신중하게 답하는 경우 |
마지막 항목이 흥미롭다. 호감이 있을수록 오히려 답장을 더 고민하느라 늦어지는 경우도 충분히 존재한다.
이는 단순한 역인과관계라기보다 제3의 요인 또는 복합적인 행동 메커니즘이 작용하는 사례로 볼 수 있다.
우리가 범하는 확증편향
답장 시간에 예민한 사람들이 저지르는 더 큰 통계적 오류는 확증편향(confirmation bias) 이다.
확증편향이란
이미 가진 믿음을 지지하는 증거는 쉽게 기억하고, 반박하는 증거는 무시하거나 잊어버리는 경향.
“역시 답장이 늦으니까 관심이 없는 것”이라고 결론 내리는 순간, 그 이후의 모든 행동을 그 틀에 끼워 맞추게 된다. 빠른 답장은 “바빠서도 이렇게 빨리 답하네, 역시”로, 늦은 답장은 “봐라, 역시”로 해석한다. 어느 쪽이든 처음의 믿음을 강화한다.
이것이 통계와 인간 심리가 충돌하는 지점이다. 설령 집단 수준에서 r = −0.35 정도의 상관관계가 관찰되더라도, 개인의 경험은 자신에게 유리한 방향으로 재구성된다. 나는 학생들에게 이렇게 묻는다. “여러분이 상관계수 −0.35를 아는 것과, 지금 이 순간 답장을 기다리며 초조한 것 중 어느 쪽이 더 크게 느껴지나요?” 대부분 웃으며 후자라고 답한다. 통계를 안다고 감정이 사라지지는 않는다.
그렇다면 답장 시간은 아무 의미가 없는가
그렇지는 않다. 상관관계가 약하더라도 완전히 무관한 것은 아니다.
통계적으로 합리적인 해석
- 단 한 쌍의 관계에서 관찰된 경험만으로 일반적 법칙을 추론하는 것은 통계학적으로 매우 위험하다.. 패턴과 추세를 봐야 한다.
- “항상 빠르던 사람이 갑자기 늦어졌다”는 변화가 “원래 늦는 사람이 늦었다”보다 의미 있다.
- 답장 시간보다 대화의 내용과 깊이가 호감도를 훨씬 잘 예측하는 변수다.
- 표본 크기가 1인 관찰(나와 그 사람의 관계)로 통계적 결론을 내리는 것은 애초에 무리다.
더 깊이: 상관관계와 인과관계
이 글에서 쓴 “아이스크림 판매량과 익사 사고” 예시는 강의노트에도 그대로 등장하는 상관-인과 혼동의 대표 사례다. 강의노트 〈기초통계 7. 상관분석 — 인과관계와 상관관계〉에서는 이 예시와 함께, 상관관계를 인과관계로 오인하지 않으려면 어떤 연구 설계(실험 연구, 종단 자료, 도구변수 등)가 필요한지까지 다룬다.
결론: 데이터는 맥락 없이 말하지 않는다
카카오톡 답장 시간과 호감도 사이에는 분명 통계적 상관이 존재한다. 하지만 그 상관계수는 생각보다 작고, 교란변수는 생각보다 많으며, 역인과관계의 가능성도 배제할 수 없다.
통계학이 주는 가장 중요한 교훈 중 하나는, 숫자는 이야기의 전부가 아니라는 것이다. 답장이 2시간 늦었다는 단 하나의 관측치만으로 관계를 판단하는 것은, 한 개의 데이터 점만 보고 회귀선을 추정하려는 것과 다르지 않다.
통계학은 불확실성을 다루는 학문이다. 따라서 답장이 늦었다는 사실 하나만으로 상대의 마음을 단정하는 것은 통계적 사고와 거리가 멀다. 중요한 것은 단일 관측치가 아니라 반복되는 패턴이며, 숫자 자체보다 그 숫자가 만들어진 맥락이다. 결국 좋은 분석은 더 많은 데이터에서 시작하지만, 좋은 관계는 더 많은 대화에서 시작된다.
내가 이 통계를 좋아하는 이유는 따로 있다. 9만 명의 데이터가 보여주는 것은 “답장이 늦으면 끝이다”가 아니라, “평균적으로는 관심 있는 사람에게 더 빨리 답한다”는 느슨한 경향뿐이다. 오늘 답장이 늦은 그 사람이 예외일 확률은, 통계가 말해주는 것보다 훨씬 크다.